CERTIFICACIN
Certifico que el presente trabajo fue desarrollado por Mario Enrique Echeverra Ynez,
y, Luis Francisco Villacs Buenao bajo mi supervisin.
AGRADECIMIENTOS
Un eterno agradecimiento al Ing. Ivn Zambrano por sus dotes de profesor y amigo,
sin su gua no hubisemos logrado este ttulo.
Mario
En primer lugar quisiera agradecer al Ing. Ivn Zambrano, quien adems de ser el
mentor de esta tesis, ha sido quien nos ha guiado y conducido en el desarrollo de la
misma y ha sido vital para la culminacin del proyecto.
Quisiera dar las gracias a mi compaero Mario por su compromiso, don de gente,
dedicacin y porque fue quien me hizo parte de este proyecto.
Agradezco a mis padres, Jaime y Rosa, a quienes tantas veces he recurrido por su
sabidura y porque nunca han dejado de confiar en m. Es una bendicin tenerlos.
Tambin quiero agradecer a mis hermanos, Roberto y Emilio, que a pesar de sus
ocupaciones, siempre estn pendientes de m y de mi familia.
Quisiera dar las gracias a mis hijos Elas y Andrs por estos dos aos que no he
podido dedicarles el tiempo que me habra gustado. Ambos me han hecho una mejor
persona.
Por ltimo, quisiera dar las gracias a mi mujer Yolanda. Sin tu apoyo este trabajo
nunca se habra escrito y, por eso, este trabajo tambin es tuyo.
Luis
iv
DEDICATORIA
A mis padres, que desde el cielo me guan con su espritu de amor eterno, hoy ms
que nunca los siento a mi lado.
A mi esposa y mis hijas que son mi presente y mis objetivos en el futuro, un abrazo
de entrega eterna que envuelve siempre mi alma.
Mario
CONTENIDO
DECLARACIN ........................................................................................................................ i
CERTIFICACIN ...................................................................................................................... ii
AGRADECIMIENTOS .............................................................................................................iii
DEDICATORIA ........................................................................................................................ iv
CONTENIDO ............................................................................................................................. v
NDICE DE TABLAS .............................................................................................................viii
NDICE DE FIGURAS ............................................................................................................. ix
NDICE DE ANEXOS ............................................................................................................. xii
RESUMEN .. ...........................................................................................................................xiii
PRESENTACIN ................................................................................................................... xiv
CAPTULO 1 GENERALIDADES ........................................................................................... 1
1.1 INTRODUCCIN .......................................................................................................... 1
1.2 OBJETIVO GENERAL.................................................................................................. 2
1.3 OBJETIVOS ESPECFICOS ......................................................................................... 2
1.4 ALCANCE ..................................................................................................................... 3
1.5 JUSTIFICACIN DEL PROYECTO ............................................................................ 4
CAPTULO 2 INTRODUCCIN A LA INGENIERA CONCURRENTE ............................. 5
2.1 DEFINICIN DE INGENIERA CONCURRENTE .................................................... 5
2.2 INGENIERA TRADICIONAL VS. INGENIERA CONCURRENTE ....................... 7
2.3 DFMA E INGENIERA CONCURRENTE ................................................................... 9
2.4 DISEO PARA SEIS SIGMA ..................................................................................... 12
2.5 TENDENCIAS DE LA INGENIERA CONCURRENTE .......................................... 12
2.6 HERRAMIENTAS Y TCNICAS DE LA INGENIERA CONCURRENTE ........... 14
2.7 DISEO ROBUSTO DE TAGUCHI ........................................................................... 15
2.8 MANUFACTURA FLEXIBLE .................................................................................... 18
2.8.1 ELIMINACIN DE DESPILFARROS .................................................................. 19
2.8.2 TCNICAS DE LA MANUFACTURA ESBELTA ............................................... 20
CAPTULO 3 SIMULACIN Y OPTIMIZACIN DE PROCESOS INDUSTRIALES ...... 22
3.1 SISTEMA. EXPERIMENTO. MODELO .................................................................... 22
3.2 LA SIMULACIN ....................................................................................................... 23
3.2.1 CLASIFICACIN DE LOS MODELOS DE SIMULACIN ............................... 26
3.2.2 FASES DE UN PROYECTO DE SIMULACIN .................................................. 27
3.2.3 APLICACIONES DE LA SIMULACIN .............................................................. 32
vi
NDICE DE TABLAS
NDICE DE FIGURAS
Figura 63 Tiempo en el cual SEDEMI alcanzara su meta (mejor escenario del primer
experimento)........................................................................................................ 76
Figura 64 Tiempo en el cual SEDEMI alcanzara su meta (segundo experimento) ............ 76
Figura 65 Tiempo en el cual SEDEMI alcanzara su meta (optimizacin) ......................... 77
Figura 66 Ritmo de produccin de las rolas (modelo original) ........................................... 78
Figura 67 Ritmo de produccin de las rolas (primer experimento) ..................................... 78
Figura 68 Ritmo de produccin de las rolas (segundo experimento) .................................. 78
Figura 69 Ritmo de produccin de las rolas (optimizacin)................................................ 79
Figura 70 Diagrama de flujo de la produccin de pinturas en PRODUTEKN ................... 82
Figura 71 Layout de la empresa PRODUTEKN ................................................................. 84
Figura 72 Diseo esquemtico del proceso de fabricacin de las pinturas ......................... 87
Figura 73 Layout de la empresa PRODUTEKN importado a Flexsim ............................... 88
Figura 74 Diseo del modelo de pinturas en el software FlexSim. ..................................... 88
Figura 75 Conexiones del modelo de pinturas en el software FlexSim .............................. 89
Figura 76 Resultados para el modelo original de la produccin de pinturas ....................... 89
Figura 77 Escenarios y corridas de la Dispersadora 1 ......................................................... 90
Figura 78 Resultados de escenarios de la Dispersadora 1 ................................................... 91
Figura 79 Intervalos de confianza del Experimenter de la Dispersadora 1 ......................... 91
Figura 80 Escenarios y corridas de la Dispersadora 2 ......................................................... 92
Figura 81 Resultados de escenarios de la Dispersadora 2 ................................................... 92
Figura 82 Intervalos de confianza del Experimenter de la Dispersadora 2 ......................... 92
Figura 83 Datos de entrada para variables, restricciones y funcin objetivo. ..................... 97
Figura 84 Resultados del optimizador. ................................................................................ 97
Figura 85 Seleccin del mejor resultado ............................................................................. 98
Figura 86 Resultado del mejor escenario............................................................................. 98
Figura 87 Seleccin del tercer mejor resultado ................................................................... 99
Figura 88 Resultado del tercer mejor escenario. ................................................................. 99
xii
NDICE DE ANEXOS
RESUMEN
PRESENTACIN
En tal virtud, el presente escrito busca divulgar y documentar las fases que todo
proyecto de simulacin debe tener. En particular, se ha enfocado en la simulacin de
procesos de fabricacin discretos e hbridos en dos fbricas locales, de tal manera
que el mtodo aqu expuesto se pueda extrapolar a los procesos de otras empresas
con sus respectivas realidades.
xv
1.1 INTRODUCCIN
Desde esta perspectiva, los autores del presente proyecto han observado la
carencia de informacin sobre la aplicacin de las fases de un proyecto de
simulacin y optimizacin, y la que existe se ha manejado a costos elevados y sin
fundamento tcnico.
1.4 ALCANCE
20% 5%
25% Diseo de detalle
Pruebas y ensayos.
50% Construccin del
prototipo
Documentacin
Ahorro de tiempo
Las tendencias hacia la globalizacin no solo de los mercados sino tambin de los
sistemas de desarrollo y fabricacin de los productos han generado nuevos cuellos
de botella. La integracin organizada de personal y el flujo de informacin a travs
de estas tcnicas sigue siendo un cuello de botella (Riba C. , 2010). Los actores
que participan en la cadena de desarrollo de un producto no solo estarn
geogrficamente separados entre s, sino que en muchos casos pertenecern a
distintas empresas. Para lograr la concurrencia en estos nuevos escenarios deben
existir condiciones organizacionales favorables, as como nuevas herramientas de
comunicacin basadas en el internet y otras herramientas informticas.
Recientemente el trmino de Empresa Concurrente (Concurrent Enterprising) ha
surgido para designar a las distintas prcticas, metodologas y lneas de estudio
que habrn de garantizar la aplicacin de la Ingeniera Concurrente en estos
nuevos escenarios. Algunas de los cuellos de botella para lograr la concurrencia en
esta rea son:
Finalmente, entre las ventajas que una empresa puede adquirir si aplica el mtodo
de Taguchi se mencionan (Eppinger, 2004):
Y como primer paso que se debe hacer es identificar los desperdicios que se
pueden presentar en una organizacin, como los que se aprecian en la Figura 10.
Sobreproduccin
Movimiento Trasporte
Defectos Inventario
Tiempo de
Sobreproceso
esperas
Nota. Fuente: Adaptado de (Hernndez & Vizn, 2013), (Del Castillo, 2009)
CAPTULO 3
SIMULACIN Y OPTIMIZACIN DE PROCESOS
INDUSTRIALES
3.2 LA SIMULACIN
Entre las tantas ventajas que tiene un modelo de simulacin, se mencionan las
descritas en la Tabla 3.
Ventaja Descripcin
Experimentacin en tiempos Debido a que el modelo se simula en un computador, corridas experimentales de
comprimidos simulacin se pueden hacer en tiempos cortos. Esta es una gran ventaja, ya que
algunos procesos pueden tardar meses o incluso aos en completarse.
As, los sistemas que antes eran imposibles de analizar ahora pueden ser estudiados
con facilidad.
Requisitos analticos Antes de la existencia de la simulacin por computador, los complejos sistemas se
reducidos modelaban estrictamente en el dominio matemtico. Adems, los sistemas podan ser
analizados slo con un enfoque esttico. En contraste, la llegada de las metodologas
de simulacin ha permitido estudiar sistemas de forma dinmica en tiempo real.
Adems, el desarrollo de paquetes de software ha ayudado a los profesionales a
reducir los complicados clculos y requisitos de programacin.
Modelos demostrados La mayora de los paquetes de software de simulacin poseen la capacidad de animar
fcilmente dinmicamente el modelo del sistema real.
La animacin es til tanto para depurar el modelo y tambin para demostrar cmo
funciona. El uso de una animacin durante una presentacin puede ayudar a
establecer la credibilidad del modelo. La animacin tambin se puede utilizar para
describir la operacin y la interaccin de los procesos del sistema de forma
simultnea. Esto incluye la demostracin dinmica de cmo el modelo del sistema
maneja diferentes situaciones.
Desventaja Descripcin
La simulacin no puede dar Esta desventaja puede entenderse como "basura entra, basura sale". No importa lo
resultados precisos cuando bueno que un modelo haya sido desarrollado, si el modelo no tiene datos de entrada
los datos de entrada son exactos, el usuario no puede esperar obtener datos de salida precisos. Por desgracia, la
inexactos recogida de datos se considera la parte ms difcil del proceso de simulacin. A pesar
de este conocimiento comn, es tpico que muy poco tiempo se asigne para esta parte.
Muchos practicantes de simulacin son atrados a aceptar los datos histricos de
dudosa calidad con el fin de obviar el tiempo de recoleccin de datos. Con demasiada
frecuencia, se desconoce la naturaleza exacta o las condiciones en que estos datos se
recogieron. En ms de un caso, el uso de datos histricos recogidos externamente ha
sido la base de un proyecto de simulacin sin xito.
La simulacin no puede Algunos usuarios pueden creer que un anlisis de simulacin proporcionar respuestas
proporcionar respuestas simples a problemas complejos.
fciles a problemas complejos De hecho, es ms probable que se requieran respuestas complejas para problemas
complejos. Si el sistema en anlisis tiene muchos componentes e interacciones, es
posible hacer suposiciones de simplificacin para el propsito de desarrollo de un
modelo razonable en un tiempo razonable. Sin embargo, si los elementos crticos del
sistema son ignorados, entonces es probable que la simulacin no sea una verdadera
idealizacin del sistema real.
La simulacin no puede Algunos directivos, pueden creer que la realizacin de un proyecto de modelo de
resolver los problemas por s simulacin y anlisis va a resolver el problema. La simulacin por s mismo en realidad
mismo no resuelve el problema, sino que proporciona la gestin con posibles soluciones para
resolver el problema. Corresponde a los individuos responsables de gestin
implementar efectivamente los cambios propuestos.
3. Recogida de datos.
Es el momento de identificar, recoger y analizar los datos necesarios para el
estudio, teniendo en cuenta las siguientes consideraciones:
Se parte del modelo conceptual para definir los datos iniciales.
No es necesario comenzar con una toma exhaustiva de datos, sino contar
con los ya disponibles y posteriormente completarlos con la toma de datos
realmente necesarios.
Se debe explicar la finalidad de la toma de datos al personal involucrado.
La construccin del modelo tiene como finalidad la traduccin del mismo con
elementos de simulacin o con funciones de programacin de algn lenguaje
computarizado. Para esto se debe considerar lo siguiente:
Buscar las funciones o elementos que mejor interpretan la funcionalidad del
sistema.
La construccin del modelo se supedita a la obtencin de la solucin.
Partir de un modelo sencillo o con funciones sencillas.
Evitar modelos excesivamente complejos que sean difciles de hacerlos
funcionar.
Si se carece de algn dato, una buena suposicin no representa una
deficiencia grande para el modelo.
Es mejor establecer hitos intermedios que uno solo final.
Debe pensarse en realizar las revisiones o ajustes conceptuales del modelo
que sean necesarios.
5. Verificacin y validacin.
Se comprueba que el modelo se comporta como es de esperar y que existe la
correspondencia adecuada entre el sistema real y el modelo. Esto supone:
Comprobar que el modelo realiza lo que se ha marcado en su definicin.
Los datos utilizados son los adecuados y razonables.
Los datos de entrada son representativos del funcionamiento del sistema
real y gozan de variabilidad estadstica.
La verificacin debe realizarse conforme se va construyendo el modelo.
6. Experimentacin.
La realizacin de experimentos tiene como finalidad observar el comportamiento
del modelo ante variaciones de algunos de sus parmetros para establecer
cules son las consecuencias sobre la eficiencia del sistema. En este sentido
deben considerarse:
La duracin equivalente del funcionamiento en cada ejecucin para obtener
datos de salida vlidos.
30
7. Documentacin.
Esta fase tiene como objetivo determinar las mejoras a introducir en el sistema
para proponerlas y discutirlas con los distintos actores del proceso simulado y
sobre todo con aquellas personas que van a intervenir en su implementacin.
La documentacin de los resultados del estudio debe recoger:
Formulacin del problema con los supuestos del modelo.
Modelo conceptual.
Datos utilizados.
Resultados (mejoras).
8. Implementacin.
En esta fase, se pone en prctica las mejoras propuestas, pero ya depende de
los encargados de los proyectos realizarlas o no. Si las personas que solicitaron
la simulacin siguieron rigurosamente todo el proceso junto con el analista
simulador, entonces, la probabilidad de implementacin se incrementa.
Conceptualizacin Recoleccin de
del modelo datos
Construccin del
modelo
NO Verific el NO
c
modelo?
SI
Experimentacin
(Corridas o rplicas)
SI Ms
corridas?
NO
Documentacin
Implementacin
Procesos de fabricacin. Fue una de las primeras reas beneficiadas por estas
tcnicas. La simulacin se emplea tanto para el diseo como para la ayuda en la
toma de decisiones operacionales.
Paquete Descripcin
GERT, SINSCRIPT GPSS,
Primeros lenguajes de programacin
SIMULA
CINEMA, SIMAN que luego
Realizan las primeras animaciones
formaron ARENA
WITNESS, ProModel, SLAM, A finales de los aos 80s estos paquetes permiten simulacin de
SIMFACTORY procesos logsticos y de fabricacin
Aparecen en los 90s. Son programas de simulacin orientado a
SIMPLE++, SIMUL8,
objetos para el modelado de todo tipo de procesos de fabricacin,
TAYLOR
logstica y sistemas de servicios
Lanzado en febrero de 2003, y con la ltima versin 7.5.4 (28 de
febrero de 2015) FlexSim Simulation Software es un paquete para
la simulacin de eventos discretos y fluidos que permite modelar,
analizar, visualizar, experimentar y optimizar cualquier proceso
industrial, desde procesos de manufactura hasta cadenas de
FlexSim suministro. Adems, FlexSim es un programa que permite construir
y ejecutar el modelo desarrollado en una simulacin dentro de un
entorno 3D desde el comienzo. Actualmente, El software de
simulacin FlexSim es usado por empresas lderes en la industria
para simular sus procesos productivos antes de llevarlo a ejecucin
real.
3.3 LA OPTIMIZACIN
Una poltica es un determinado conjunto de valores que toman los factores que
podemos controlar a fin de regular el rendimiento del sistema. Es decir, son las
variables independientes de la funcin objetivo. Por ejemplo, si se desea definir la
cantidad de operarios y horas trabajadas para producir lo mximo posible en una
planta de trabajos por lotes. En este ejemplo, el objetivo es la produccin de la
planta, y las variables de decisin son la cantidad de operarios y la cantidad de
horas trabajadas. Otros factores afectan a la produccin, como la productividad de
los operarios, pero los mismos no son controlables por el tomado de decisiones.
Este ltimo tipo de factores se denominan parmetros. (Enrquez & Redchuk, 2013)
Un conjunto de restricciones
Un conjunto de soluciones factibles, el cual contiene todas las posibles
combinaciones de valores de variables independientes que satisfacen las
restricciones anteriores.
Una funcin objetivo, que vincula las soluciones factibles con la performance del
sistema.
Nota. * Por razones ajenas a SEDEMI el proyecto todava no ha culminado hasta la fecha de
publicacin del presente documento. Se tiene fabricado apenas el 40% de las rolas.
DESIGNACIN DE PREPINTADO
GRUPO INSPECCIN
ALMACENAMIENTO
NO
RECEPCIN DE LA MATERIA
PRIMA (PLANCHAS DE ACERO CORTE
A537) ACEPTADO?
EMBARQUE
VERIFICACIN
CORRECCIN SI
BISELADO
COLOCACIN DE
NO ACEPTADO? SOPORTES DE
SUJECIN
INSPECCION SI
NO
SI DE BISELADO
PRUEBA DE
ACTIVIDAD ENSAYO NO
PASA LA
ROLADO NO
PRUEBA?
APUNTALADO
SOLDADO
LONGITUDINAL
Los datos de entrada constituyen una etapa crtica de todo proceso de simulacin.
Razn por la cual, una vez que se han recolectado los tiempos, se buscan
distribuciones estadsticas que se ajusten a la concentracin de datos. Luego, se
usan esos ajustes en la simulacin. Para esto, se utiliza la herramienta ExpertFit de
FlexSim. Mediante este instrumento, fue posible aplicar las pruebas de bondad de
ajuste a todos los datos que se recolectaron y el mismo programa se encarga de
entregar la mejor distribucin estadstica.
47
Proceso Descripcin
1. Almacenamiento de materia Es la actividad de almacenar las planchas de acero ASTM A537 CLASE
prima (planchas) 2 templado y revenido de 36mmx3000mmx15000mm.
2. Granallado de las planchas Con la mquina grallanadora y con la ayuda de 3 obreros se realiza una
limpieza SSPC-SP10 con chorro abrasiva de las planchas de acero.
3. Prepintado de las planchas Luego que las planchas han pasado por la tcnica de tratamiento
superficial, se lleva a cabo un proceso de prepintado en la misma zona de
trabajo del granallado.
4. Corte de las planchas En esta parte del proceso se cortan las planchas con las dimensiones de
14765.5 mm x 3000 mm para poder rodarlas con un dimetro de 4700
mm
5. Biselado de las planchas Se realiza un biselado o corte en bisel que consiste en un proceso
preparatorio para realizar posteriores soldaduras. El biselado se lo realiza
en los dos extremos a lo ancho y en uno de los extremos a lo largo de la
plancha cortada. Este proceso se lleva a cabo en la misma mquina de
corte.
6. Inspeccin de biselado Se toman medidas del biselado para determinar si corresponden a las
exigencias del diseo. El personal a cargo del biselado estima que, en
promedio, el 20% de las piezas biseladas no pasan el proceso de
inspeccin.
6.1 Reparacin (En caso de no Se corrige el biselado hasta que cumpla con las especificaciones del
pasar prueba de biselado) diseo.
7. Rolado Para formar el tubo, se usa el proceso de rolado, mediante el cual en un
proceso continuo la placa de acero es sometida a una serie de rodillos
que le proporcionan a la tira de acero la forma deseada. Las
caractersticas que definen el producto que sale del rolado, son el
dimetro exterior del tubo (4700 mm) y su espesor de pared (36 mm).
8. Apuntalado Se toman algunos puntos de soldadura en la misma mquina roladora.
9. Soldado longitudinal Se realiza un soldado longitudinal de 3000 mm para conformar la tubera
y obtener una rola.
10. Armado de dos rolas y Se emplea un da y medio de preparacin para armar dos rolas y 6 horas
apuntalado adicionales para soldarlas. De esta manera se obtiene una tubera de 6000
mm de longitud. En esta misma etapa se hacen algunos puntos de
soldadura para en la siguiente fase colocar unos soportes de sujecin.
11. Colocacin de soportes de Se sueldan soportes de sujecin que son necesarios para el montaje en la
sujecin central hidroelctrica. Dependiendo del tramo de tubera se pueden
colocar entre 4 y 8 soportes de sujecin.
12. Prueba de ensayo no destructivo Se realizan pruebas de ultrasonido para identificar y caracterizar daos
(END) internos y para identificar y verificar las soldaduras realizadas.
12.1 Reparacin (En caso de no Si la rola armada no pasa la prueba de END, entonces se realizan las
pasar la prueba de END) correcciones correspondientes para finalmente poder pasar a la siguiente
etapa del proceso.
13. Pintura de dos rolas armadas Aplicacin de pintura a base de resinas epxicas rica en zinc como
imprimante y una pintura a base de resinas epxicas con alquitrn como
acabado compatible con la base anticorrosiva. El espesor total de la
pelcula es de 16 mil (0.4064 mm).
14. Almacenamiento La tubera terminada se almacena en la misma zona de trabajo donde se
realiz la pintura hasta que sean embarcadas y llevadas al montaje en
Toachi Pilatn. Se almacenan entre 2 y 3 rolas armadas por un tiempo de
15 a 20 das.
15. Embarque Con ayuda de las gras se realiza el proceso de traslado del producto
terminado desde la zona de almacenamiento hasta la zona de embarque
para llevarlo a la central hidroelctrica y aqu finaliza el proceso de
fabricacin y armado de las tuberas.
Nota. La descripcin de cada uno de los procesos fue detallada por el personal operativo de SEDEMI y los
encargados de cada uno de los procesos
48
Proceso N obreros ZT TT
Llegada Montacarga1
1. Almacenamiento de materia prima 4 Zona 1
Salida Montacarga2
6. Inspeccin de biselado 2
Corte ST:
johnsonbounded( 17.215155, 29.398110, 0.076796, 1.418421, 4)
Corte PT:
johnsonbounded( 50.038720, 53.760610, 0.277799, 0.543321, 5)
Biselado ST:
10 min
Biselado PT:
randomwalk( 413.955720, 0.081053, 0.490212, 6)
RoladoApuntalado ST:
beta( 29.572403, 37.379432, 0.973479, 0.996803,8)
RoladoApuntalado PT:
loglogistic( 242.705233, 7.313081, 2.121846, 9)
Embarque PT:
beta( 59.736370, 71.842105, 1.002413, 1.064610, 16)
Es necesario correr varias veces el modelo porque las variables involucradas son
aleatorias y de esta manera se obtiene confiabilidad estadstica.
55
COMPARACIN
RACIN DE LA PRODUCCIN
PRODUCC DE
ROLAS (EN 219 DAS)
ROLAS LISTAS PARA EMBARQUE
115
120
100
80
66
60
40
20
0
SEDEMI SIMULACIN
Figura 37 Comparacin de la produccin entre la simulacin y la proyeccin de la
empresa SEDEMI
57
Por otro lado, SEDEMI invirti varios miles de dlares en la mquina roladora
DAVI. No se dispuso del dato real de esta compra, sin embargo, se averigu en
el mercado internacional y el precio oscila alrededor de los 200 000 USD. Debido a
esta alta inversin, es preocupacin de la fbrica determinar el tiempo efectivo que
la mquina sera usada.
Para esto, FlexSim dispone de una herramienta grfica llamada Dashboard que
permite responder a este tipo de preguntas (Figura 38).
Nota. El Escenario1 corresponde al nmero de obreros con los cuales se trabaja actualmente en SEDEMI
COMPARACIN
RACIN DE LA PRODUCCIN
PRODUCC DE
ROLAS (EN 219 DAS)
ROLAS LISTAS PARA EMBARQUE
115
120
100 82
80 66
60
40
20
0
SEDEMI SIMULACIN ESCENARIO 5
COMPARACIN
OMPARACIN DE LOS BENEFICIOS
BENEFICIO
ECONMICOS (EN 219 DAS)
4675925
5000000
3777003
4000000
3000000
USD
2000000
1000000
0
BENEFICIO BENEFICIO PRIMER
SIMULACIN EXPERIMENTO
(Escenario5)
Figura 43 Comparacin de los beneficios entre la simulacin y el mejor escenario
del primer experimento
Nota. Vase el anexo C para una explicacin detallada de los beneficios econmicos
Y, a pesar que los costos de produccin seran superiores a los actuales (Figura
44), la relacin Beneficio/Costo (B/C), calculada con la ecuacin (1), sera:
(1)
62
(2)
(3)
COMPARACIN
ARACIN DE LOS COSTOS TOTALES
TOTAL DE
PRODUCCIN (EN 219 DAS)
4468491
4500000 3583137
4000000
3500000
3000000
USD
2500000
2000000
1500000
1000000
500000
0
COSTO TOTAL COSTO TOTAL
SIMULACIN PRIMER
EXPERIMENTO
(Escenario5)
Figura 44 Comparacin de los costos totales de produccin entre la simulacin y
el mejor escenario
Nota. Vase el anexo C para una explicacin detallada de los costos de produccin
COMPARACIN
ARACIN DE LA PRODUCCIN
PRODUCC DE
TUBOS (EN 219 DAS)
115
TUBOS LISTOS PARA EMBARQUE
120
82 88
100
80
66
60
40
20
0
COMPARACIN
OMPARACIN DE LOS BENEFICIOS
BENEFICIO
ECONMICOS (EN 219 DAS)
6000000 5021985
5000000 3777003
4000000
USD
3000000
2000000
1000000
0
BENEFICIO BENEFICIO
SIMULACIN SEGUNDO
EXPERIMENTO
Figura 49 Comparacin de los beneficios entre la simulacin y el segundo
experimento
Nota. Vase el anexo C para una explicacin detallada de los beneficios econmicos
COMPARACIN
MPARACIN DE LOS COSTOS TOTALES
TOTAL
DE PRODUCCIN (EN 219 DAS)
4791536
5000000
3583137
4000000
3000000
USD
2000000
1000000
0
COSTO TOTAL COSTO TOTAL
SIMULACIN SEGUNDO
EXPERIMENTO
Figura 50 Comparacin de los costos totales de produccin entre la simulacin y
el segundo experimento
Nota. Vase el anexo C para una explicacin detallada de los costos de produccin
67
(4)
(5)
Formulacin del problema con los supuestos del modelo (apartado 4.3.1)
Datos utilizados (apartado 4.3.2)
Modelo conceptual (apartado 4.3.3)
Construccin del modelo (apartado 4.3.4)
Experimentacin (apartado 4.3.6)
Resultados (vase conclusiones y recomendaciones).
4.4.2.3 Restricciones
(6)
(7)
Una vez que se han configurado todos los parmetros, se corre la optimizacin y
los resultados se presentan en la Figura 56.
Por consiguiente, el nmero ptimo de obreros que el modelo sugiere para obtener
el mximo beneficio es:
Con este nmero ptimo de obreros la produccin sera de 73 tubos en los 219 das
proyectados (Figura 58). Es decir, se alcanzara a fabricar 63.48% de los tubos,
obtenindose una mejora en la produccin del 6.09% (7 tubos adicionales).
COMPARACIN DE BENEFICIOS
ECONMICOS (EN 219 DAS)
4138116
4200000
4100000
4000000
3777003
USD
3900000
3800000
3700000
3600000
3500000
BENEFICIO BENEFICIO
SIMULACIN OPTIMIZACIN
4200000 4002645
4000000
3583137
USD
3800000
3600000
3400000
3200000
COSTO TOTAL COSTO TOTAL
SIMULACIN OPTIMIZACIN
(8)
(9)
Tiempo Porcentaje
Tiempo Tiempo
Contexto del modelo Tiempo (da) adicional de adicional de
(min) (horas)
trabajo (da) trabajo
Original 180 725 3 012 377 158 71.92%
Primer experimento
146 814 2 447 306 87 39.66%
(Escenario5)
Segundo experimento 136 750 2 279 285 66 30.09%
Optimizacin 164 534 2 742 343 124 56.52%
Nota. El tiempo en que SEDEMI se comprometi a fabricar las rolas es 219 das
De los resultados de la Tabla 12 se puede concluir que con las condiciones del
modelo original se produciran las rolas a un ritmo de una rola cada 3.2 das de
trabajo. Si la empresa decide implantar las mejoras del escenario5 del primer
experimento la produccin sera de una rola cada 2.7 das. Por otro lado, si se
implantan las propuestas del segundo experimento, la produccin sera de una rola
cada 2 das y medio. Y, finalmente, si SEDEMI decide poner en prctica las
propuestas de la optimizacin, la fabricacin de rolas se producira a una velocidad
de una rola cada 3 das.
CAPTULO 5
APLICACIN DEL SOFTWARE PARA UN PROCESO
INDUSTRIAL EN LAS REAS DE FABRICACIN Y
MONTAJE DE EMPRESAS PARA PROCESO HBRIDO
Se llevarn a cabo los pasos que todo proyecto de simulacin debe tener descritos
en el Captulo 3.
Proceso Descripcin
Esta actividad se realiza con los materiales que formarn parte de
Almacenamiento y pesaje de las pinturas: resina, pigmentos, aditivos y solventes. El pesado se
materia prima realiza de forma separada para qumicos y tintes y otro para
carbonatos y pigmentos
En este proceso se procede a dispersar , inicialmente agua con
Dispersin: I etapa
aditivos, constituyndose en una fase de humectacin
Dispersin: II etapa Carga y mezcla de pigmentos con la dispersin de agua y
aditivos del paso anterior.
Espesamiento, por medio de control de viscosidad de la mezcla
Dispersin : III etapa
generada
e aade agua y resina a la mezcla anterior y se procede a cuadrar
Completado
la viscosidad del compuesto.
Se aade a la mezcla finalmente pigmentos, aditivos y tintes
Tinturacin
dependiendo del tipo de pintura que se desee producir
El control de calidad se realiza especialmente en la parte de
dispersin, para control de la finura de las partculas que van a la
Control de calidad de producto
mezcla, adems de control en cubrimiento, color, densidad, pH y
secamiento.
Es un proceso casi manual realizado por operarios que etiquetan
Envasado y etiquetado
envases estndar de pinturas de 1 galn.
Una vez llenado los envases se procede a su almacenaje en racks
Almacenamiento
dentro de la fbrica.
Producto: ACUARELA
Porcentajes:
Agua: 30%
Aditivos: 5%
Pigmentos: 35%
Resina (agua): 30%
85
Producto: COLOSO
Porcentajes:
Mineral (solvente): 10%
Resina alqulica: 50%
Aditivo: 5%
Pigmentos: 45%
PROCESO:
PESAJE:
ADITIVOS Y PIGMENTOS:
DATOS (EN SEGUNDOS):
NMERO DE TOMAS: 25
30 31 32 30 30 30 31 30 31 30 32 31 30 31 30 30 30 30 31 32 31 30 30 32 31
PROCESO:
PESAJE:
SOLVENTES
DATOS (EN SEGUNDOS):
NMERO DE TOMAS: 25
33 34 33 33 33 34 35 32 33 33 34 33 33 32 34 34 33 33 32 32 33 33 34 34 33
86
PROCESO:
ETIQUETADO
DATOS (EN SEGUNDOS)
NMERO DE TOMAS: 25
35 35 35 33 34 35 33 32 34 33 34 35 33 32 33 34 34 34 34 34 34 33 34 33 32
PROCESO:
ENVASADO:
DATOS (EN SEGUNDOS)
NMERO DE TOMAS: 25
24 24 23 24 23 24 23 24 23 22 23 24 23 24 23 22 23 24 24 23 24 23 23 22 23
En cuanto tiene que ver con los tiempos de entrada en las fuentes se toma una
distribucin normal con un tiempo medio de 50 segundos.
Los datos de las tomas histricas deben ser procesados para poder incluirlos en la
simulacin del respectivo proceso, razn por la cual se usa una herramienta
adicional del Flexsim, denominada Experfit, que ayuda, en base a estos datos, a
generar una distribucin estadstica que est de acuerdo con los mismos. Esto se
ha realizado y los resultados del Experfit para cada proceso son:
Primer experimento:
Dispersadora 1:
Segundo experimento:
Dispersadora 2:
5.2.7 DOCUMENTACIN
Formulacin del problema con los supuestos del modelo (apartado 5.2.1)
Datos utilizados (apartado 5.2.2)
Modelo conceptual (apartado 5.2.3)
Construccin del modelo (apartado 5.2.4)
Experimentacin (apartado 5.2.6)
Resultados (vanse conclusiones)
Variable 1: Dispersadora 1
Variable 2: Dispersadora 2
Variable 3: Mezcladora 1
Variable 4: Mezcladora 2
5.3.2.2 Restricciones
Las restricciones son dadas por diferentes criterios como pueden ser: espacio
disponible, nmero de operarios, tiempo de produccin, etc. Para el presente
estudio se ha decidido en forma personal y de acuerdo al espacio disponible en la
planta de procesamiento que justamente las restricciones se den de acuerdo al
nmero mximo de dispersadoras y mezcladoras que podrn estar presentes en el
proceso. En tal virtud, entonces las restricciones sern:
Producto 1:
Dispersadora (variable 1) + Mezcladora (variable 3) no pueden ser mayores a 3
Producto 2:
Dispersadora (variable 2) + Mezcladora (variable 4) no pueden ser mayores a 3
La funcin objetivo ser generada de acuerdo a lo que se desee optimizar, que para
este caso, podr ser el mnimo en costos o el mximo en beneficios, por lo que de
acuerdo a los objetivos que persigue la empresa, se ha escogido la optimizacin
del mximo beneficio posible que se podr obtener en los productos fabricados.
Para la funcin beneficio se toman en cuenta mltiples factores para la generacin
de la misma como son: valor de las mquinas, depreciacin de las mismas, costo
hora de los operarios, costo de combustibles, energas, entre otros. De acuerdo a
esto se genera entonces la funcin objetivo de acuerdo a un estudio que se ha
96
realizado tomando como datos de partida aquella informacin que fue entregada
por la empresa y la que no se facilit en base a la informacin del mercado afn
obtenida, se procedi a realizar algunos clculos para obtener la funcin objetivo:
Los datos de operarios y costos de energa por hora son obtenidos de plantillas de
la empresa, mientras que los costos de mquinas y depreciaciones son valores
aproximados obtenidos del mercado.
F (10)
97
Aqu se toma la primera solucin obtenida debido a que presenta resultados enteros
para cada una de las mquinas tanto dispersadoras como mezcladoras lo que
resulta de aplicacin prctica.
Finalmente cabe sealar la gran importancia que tiene la aplicacin del optimizador
del FlexSim y su importancia en la posibilidad de emitir comentarios y conclusiones
que sirvan de gran ayuda en la parte final del presente trabajo.
Anlisis de Resultados:
6.1 CONCLUSIONES
6.2 RECOMENDACIONES
que utilice una lgica Kanban, es decir, un sistema de informacin que controle
de modo armnico la fabricacin de los productos necesarios en la cantidad y
tiempo necesarios en cada uno de los procesos que tienen lugar tanto en el
interior de la fbrica, como entre distintas empresas.
106
Nota. Todos estos tiempos fueron recopilados y asumidos por el personal de la planta de SEDEMI.
108
DATOS GENERALES
Das de trabajo 219
Horas de trabajo por da 8
Tiempo total de produccin (h) 1752
Horas de trabajo por mes 160
Sueldo por obrero por mes 500
(USD/(obrero mes))
Costo kwh de electricidad: 0.04
INGRESOS
Volumen de las rolas armadas (m3) 1.59
3
Densidad del acero (kg/ m ) 7800
Peso total de cada rola armada (kg) 12390.81
Precio del kg de acero (USD/kg) 2
Nmero de rolas armadas 66
Factor de ganancia 4.5
Ingreso total (USD) 7360 140
COSTOS DE MAQUINARIA
Costo
Costo Costo de
Costo Expectativa mantenimiento
Mquinas: depreciacin energa
(USD) de vida (h) (80% Costo
(USD/h) (USD/h)
depreciacin)
Granalladora
30000 40000 0.75 0.60 1.20
RBW
Cortadora KOIKE 60000 60000 1.00 0.80 1.00
Roladora DAVI 200000 100000 2.00 1.60 1.80
Soldadora
10000 40000 0.25 0.20 1.00
(longitudinal)
Soldadora
15000 50000 0.30 0.24 1.20
(armado dos rolas)
Equipo de
10000 4000 2.50 2.00 0.80
ultrasonido (END)
S 6.80 5.44 7.00
S 39 19500 121.88
COSTOS TOTALES
Costos fijos (materia prima) (USD) 3335 904
Costos maquinaria (USD) 33 708
Costos variables
Costos mano de obra (USD) 213 525
Costo total: 3583 137
BENEFICIO
Ingreso total 7360 140
Costo total 3583 137
Beneficio 3777 002
113
DATOS GENERALES
Das de trabajo 219
Horas de trabajo por da 8
Tiempo total de produccin (h) 1752
Horas de trabajo por mes 160
Sueldo por obrero por mes 500
(USD/(obrero mes))
Costo kwh de electricidad: 0.04
INGRESOS
Volumen de las rolas armadas (m3) 1.59
3
Densidad del acero (kg/ m ) 7800
Peso total de cada rola armada (kg) 12390.81
Precio del kg de acero (USD/kg) 2
Nmero de rolas armadas 82
Factor de ganancia 4.5
Ingreso total (USD) 9144 417
COSTOS DE MAQUINARIA
Costo
Costo Costo de
Costo Expectativa mantenimiento
Mquinas: depreciacin energa
(USD) de vida (h) (80% Costo
(USD/h) (USD/h)
depreciacin)
Granalladora
30000 40000 0.75 0.60 1.20
RBW
Cortadora KOIKE 60000 60000 1.00 0.80 1.00
Roladora DAVI 200000 100000 2.00 1.60 1.80
Soldadora
10000 40000 0.25 0.20 1.00
(longitudinal)
Soldadora
15000 50000 0.30 0.24 1.20
(armado dos rolas)
Equipo de
10000 4000 2.50 2.00 0.80
ultrasonido (END)
S 6.80 5.44 7.00
S 39 26500 165.63
COSTOS TOTALES
Costos fijos (materia prima) (USD) 4144 608
Costos maquinaria (USD) 33 708
Costos variables
Costos mano de obra (USD) 290 175
Costo total: 4468 491
BENEFICIO
Ingreso total 9144 417
Costo total 4468 491
Beneficio 4675 925
115
DATOS GENERALES
Das de trabajo 219
Horas de trabajo por da 8
Tiempo total de produccin (h) 1752
Horas de trabajo por mes 160
Sueldo por obrero por mes 500
(USD/(obrero mes))
Costo kwh de electricidad: 0.04
INGRESOS
Volumen de las rolas armadas (m3) 1.59
Densidad del acero (kg/ m3) 7800
Peso total de cada rola armada (kg) 12390.81
Precio del kg de acero (USD/kg) 2
Nmero de rolas armadas 88
Factor de ganancia 4.5
Ingreso total (USD) 9813 520
COSTOS DE MAQUINARIA
Costo
Costo Costo de
Costo Expectativa mantenimiento
Mquinas: depreciacin energa
(USD) de vida (h) (80% Costo
(USD/h) (USD/h)
depreciacin)
Granalladora RBW 30000 40000 0.75 0.60 1.20
Cortadora KOIKE 60000 60000 1.00 0.80 1.00
Roladora DAVI 200000 100000 2.00 1.60 1.80
Soldadora
(longitudinal)
10000 40000 0.25 0.20 1.00
Soldadora (armado
dos rolas)x2
30000 50000 0.60 0.48 1.20
Equipo de
ultrasonido (END)x2
20000 4000 5.00 4.00 0.80
S 39 27500 171.88
COSTOS TOTALES
Costos fijos (materia prima) (USD) 4447 872
Costos maquinaria (USD) 42 539
Costos variables
Costos mano de obra (USD) 301 125
Costo total: 4791 536
BENEFICIO
Ingreso total 9813 520
Costo total 4791 536
Beneficio 5021 985
117
DATOS GENERALES
Das de trabajo 219
Horas de trabajo por da 8
Tiempo total de produccin (h) 1752
Horas de trabajo por mes 160
Sueldo por obrero por mes 500
(USD/(obrero mes))
Costo kwh de electricidad: 0.04
INGRESOS
Volumen de las rolas armadas (m3) 1.59
Densidad del acero (kg/ m3) 7800
Peso total de cada rola armada (kg) 12390.81
Precio del kg de acero (USD/kg) 2
Nmero de rolas armadas 73
Factor de ganancia 4.5
Ingreso total (USD) 8140 761
COSTOS DE MAQUINARIA
Costo
Costo Costo de
Costo Expectativa mantenimiento
Mquinas: depreciacin energa
(USD) de vida (h) (80% Costo
(USD/h) (USD/h)
depreciacin)
Granalladora
30000 40000 0.75 0.60 1.20
RBW
Cortadora KOIKE 60000 60000 1.00 0.80 1.00
Roladora DAVI 200000 100000 2.00 1.60 1.80
Soldadora
10000 40000 0.25 0.20 1.00
(longitudinal)
Soldadora
15000 50000 0.30 0.24 1.20
(armado dos rolas)
Equipo de
10000 4000 2.50 2.00 0.80
ultrasonido (END)
S 6.80 5.44 7.00
S 39 19500 159.38
COSTOS TOTALES
Costos fijos (materia prima) (USD) 3689 712
Costos maquinaria (USD) 33 708
Costos variables
Costos mano de obra (USD) 279 225
Costo total: 4002 645
BENEFICIO
Ingreso total 8140 761
Costo total 4002 645
Beneficio 4138 116
119
PASOS DE GENERACIN:
BIBLIOGRAFA
Aguayo, F., & Soltero, V. (2002). Metodologa del diseo industrial. Un enfoque
desde la ingeniera concurrente. Madrid: Editorial Ra-Ma.
Baca, G. (2010). Evaluacin de proyectos (6 ed.). Mxico D.F.: McGRAW-HILL.
Barba, E. (2001). Ingeniera Concurrente. Barcelona : Ediciones Gestin.
Caldern, A. (2012). Tecnologas de manufactura avanzada. Mxico D.F.:
CIATEQ.
Caselli, H. (2009). Manual de simulacin con Arena (2 ed.). Chimbote:
Universidad Nacional del Santa.
Chung, C. A. (2004). Simulation Modeling Handbook (1 ed.). Washington: CRC
Press.
Crdova, F. (2012). Mejoras en el proceso de fabricacin de spools en una
empresa metalmecnica usando manufactura esbelta. Lima: Pontificia
Universidad Catlica del Per.
Creus, A. (2007). Simulacin y control de procesos por ordenador (1 ed.). Madrid:
Editorial Marcombo.
Del Castillo, F. (2009). Lecturas de ingeniera 6. La manufactura esbelta.
Cuautitln: Departamento de ingeniera, Facultad de estudios superiores
Cuautitln.
Enrquez, B., & Redchuk, A. (2013). Optimizacin matemtica con R. Introduccin
al modelado y solucin de problemas. Madrid: Bubok Publishing S.L.
Eppinger, S. (2004). Diseo robusto: Experimentacin para obtener mejores
productos. Massachusetts: MIT Sloan School of Management.
Ferrer, F., Moras, C., Fernndez, R., & lvarez, C. (2013). Aplicacin de
simulacin para el incremento de la productividad de una empresa
generadora de panela en la ciudad de Tuxtepec. Tuxtepec.
FlexSim Problem Solved. (Junio de 2015). Obtenido de https://www.flexsim.com
Flores, I. (2013). Simulacin y Optimizacin Aplicada a Problemas Industriales.
Mxico D.F.: Universidad Nacional Autnoma de Mxico.
Fukuda, S., & Salwinski, J. (2010). New World Situation: New Directions in
Concurrent Engineering. New York: Editorial Springer.
Guasch, A., & Piera, A. (2002). Modelado y simulacin: Aplicacin a procesos
logsticos de fabricacin y servicios. Barcelona: Editorial UPC.
Hernndez, J., & Vizn, A. (2013). Lean manufacturing. Madrid: Escuela de
organizacin industrial.
123